从“人找数”到“数找人”：智能化的发展路径

前几天，有位老领导谈到他当年对ERP最初的理解：原来就是报表啊！报表，让人欢喜让人忧。领导和技术人员要看报表才能管好企业，报表多得又让人烦。从报表的角度，可以看到从传统信息化到智能化的发展轨迹。

企业搞不好往往是因为管理不好。管理不好的原因，是因为工作中的漏洞太多，管理者难以做到“明察秋毫”。在大数据、互联网时代，条件大大改善：管理者能够通过Cyber空间了解企业、省去了实地考察；即便是问题发生的时候不在场，也可以用数据进行追溯。

但问题是：在信息化时代，人们已经对报表感到厌烦了；现在面临浩如烟海的数据，看得过来吗？解决问题的办法其实很简单。我在给一个博士班上课时，有同学把我讲的观点总结为：从“人找数”到“数找人”。

读报表的时候，其实没有必要把表格中所有的内容都看完。我们要看的只是一些结论性的东西。打个比方，某位家长拿到了孩子班里所有同学的成绩单。他有没有必要把所有同学的成绩都看一遍，只要知道孩子在班里排名如何就可以了，根本不用去看别的孩子的成绩。如果孩子的学习成绩稳定，他甚至都不用去看。只有孩子的成绩发生异动时，才真的需要去看看。

家里的事少，还好办。企业里需要管理的事情太多，报表就看不过来了。理想的做法是：没事不用看报表，只在必要的时候把信息和结论推动给他就可以了。这就是“数找人”。有了这样的机制，可以大大提高了看报表的效率。相当于有时间关注更多的报表，用有限的时间实现了对企业的“明察秋毫”。

这样的想法很简单，过去为什么不做呢？原因就是：数据没有集成起来，没有办法做到“数据不落地”。

一张报表可能分析不出问题，需要更加深入地分析。但是，深入分析所需要的数据，可能来自其他的系统。比如，ERP系统中看到的问题，根源可能要从DCS中看到。在一个系统内部，数据分析很快：就像一旦上了飞机，从一个城市飞到另外一个城市的速度很快；但换一个系统取数再分析却很慢，就像通过室内交通到达飞机场。如果切换多了，会花费大量的时间。所以，如果事情不是重要，遇到跨多个数据平台的事情，管理者很可能选择“不看也罢”。

如果数据都集成起来了，问题就简单了：把人分析问题的逻辑变成计算机代码，让计算机自动地、跨系统分析。这样做，时间效率提升很快。这就好比，飞机直飞比经过十个城市中转要快得多。在有个案例中，过去一个礼拜完成分析，现在几分钟就可以分析出来。

如何推进“数找人”呢？

在一次学术会议上，科学哲学家波普起身站到讲台上，说了三个字：“请观察”后就静止不动了。正当大家莫名奇妙的时候，波普说：“我们往往是脑子里先有了问题再进行观察，而不是先观察后发现问题”。

数据分析师面对他不熟悉的数据，就像观众面对波普。如果脑子里没有问题，是很难有分析结果的。很多企业有了数据以后不知道有什么用，就找些搞数据分析的人来分析一下。这个逻辑其实是有问题的。

要想做到“数找人”先要从“人找数”开始。而“找数”的这些人，就是平日里看报表、看历史数据的管理和技术人员。他们去“找数”时，自然是带着问题去的。

l 人们完看报表后，有时要采取一些措施。这时，他其实是从数据中得到了某个结论。比如，看来一堆数据后，发现某个合同要拖期。所以，他的脑子里有一种映射：从表格里面的多个数据项映射到“拖期与否”。我常把这种映射称为感知到认知的过程。这种映射其实是一种知识。

l 人们遇到问题时，想找到根源和解决问题的办法，也会去“找数”。比如，产品质量、设备出现问题时，能源消耗大了、生产效率降低时等等。出现这种问题的时候，人们也会去“找数”：看看那些数据异常了、超标了，然后再试着进行一些改动、希望解决问题。如果问题解决了，就说明原因找对了。这里，我们找到的“原因”和解决问题的“做法”也是一种知识。

这两类知识都是重要的知识。要做到“数找人”，就是要把这些知识用数字化的手段沉淀下来。沉淀下来会有很多好处。比如，人们通过数据找到了发生某个问题的原因。下一次“原因”产生的时候，就可以“预知”“结果”会产生。由于“原因”和“结果”之间往往存在一段时间差。于是，我们就获得了一种“预测模型”。

开始的时候，“数找人”的系统肯定不完善：没事的时候会来找你，有事的时候反而没有找。比如，该报警的时候不报、不该报的时候误报。但没有关系：在大数据的背景下，我们可以持续改进。

有了这样的系统，使得人们查找和发现问题的速度快了、管理能力强了、重复性劳动少了、知识沉淀自然了。久而久之，如果“数找人”都找对了，就可以逐渐从“数找人”变为“数不找人”：把人的决策逻辑告诉计算机，让机器自动决策就是了。这样就真的是智能化了。

我一直认为，智能化是个久久为功、持续改进的过程。但这并不意味着不需要系统思维。所谓的系统思维，就是要便于持续改进、为持续改进扫清障碍。

比如，要持续改进，需要有一个工业互联网和工业大数据平台系统，便于沉淀“数找人”的数字化知识。这样的平台应该具有灵活性、可靠性、可拓展性。目的是让知识的沉淀和管理变得简单、高效、低成本。平台的性能很非常重要。试想：如果一条知识沉淀需要1个小时，这个系统可能就会成功；如果需要花1个月，可能就会失败。这是因为：如果知识沉淀是经济上不划算的事情，就很难持续。

其次，如前所述，数据往往是跨平台的；反映到组织上面，就是跨部门。这些知识要发挥作用，需要观念的突破：部门之间的关系，要完成从服从到协同的转变。前面我写过一篇文章，这里就不重复了。

第三，组织结构会发生改变。数据多了，管理者的效率提高了，但维护数据的工作量却会增大。沉淀知识的工作，需要独立的部门来完成、需要有人力资源的投入才行。